本论文针对矿井提升机在矿山生产中的重要性,以及提升机发生事故时所造成的严重后果等问题,对当前矿井提升机的故障诊断问题进行了研究。由于矿井下恶劣的工作环境和防爆的要求,提高矿井提升机系统的可靠性就显得十分重要,而完善的故障预测技术是提高提升机系统可靠性的重要措施。目前普遍采用单一传感器对提升机控制系统进行检测,并对其频谱进行分析,达到对故障诊断的目的。但由于矿井提升机主要工作机构如制动系统、机械传动系统、润滑系统等,它们在工作过程中,都有可能出现故障,这就给准确判断故障类型造成很大困难。本文引入了多传感器信息融合技术对提升机的故障进行诊断。所谓多传感器信息融合是对来自多个传感器的信息进行多级别、多方面的处理,从而导出新的、有意义的信息,而这种新信息是任何单一传感器所无法获得的,它表示了被检测目标对象的行为。通过多传感器信息融合,可以扩大时空覆盖范围,增加置信度,改善检测系统的可靠性。在对故障类型判定中引出证据理论推理算法,它利用通过对一些故障的概率加以约束以建立信任函数而不必说明精确概率,在对故障信息进行融合过程中,经常会发生证据冲突,本文提出新的合成公式以防止证据冲突,并通过具体事例来证明公式的有效性。其次通过小波包变换对矿井提升机机械转动系统的振动信号进行了分析,把振动信号分解到不同的频带,可有效的识别故障信息,并综合运用神经网络、证据理论、加权融合算法等对矿井提升机故障诊断问题进行研究,着重研究了证据理论在信息融合决策层中的作用。